我国沿海省市“数字鸿沟”测度研究.docVIP

我国沿海省市“数字鸿沟”测度研究 　　内容摘要：进入21世纪后，在经济全球化和信息化背景下，我国沿海省份经济迅速腾飞，信息化水平高度发展。本文运用因子分析的方法对我国沿海十个省、自治区、直辖市―天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西之间的“数字鸿沟”进行测度，得出排名结果。通过排名结果，对我国区域之间“数字鸿沟”的影响因素进行分析并得出相关结论。 　　关键词：信息化水平 数字鸿沟 沿海十省 　　 　　在当今的信息化时代，以互联网为核心特征的新信息技术已经渗透到社会生活的各个层面，改变着人们的生活、工作、学习等方式，成为社会、经济、文化活动和个人生活的重要平台。极大的促进了社会经济的快速发展。但是，任何新技术的发展和应用都可能引起新的社会问题，数字鸿沟现象就是其中之一。“数字鸿沟”又称为信息鸿沟，是指不同国家、不同地区、不同行业、不同人群在掌握和应用信息技术以及发展信息产业方面的差距，是信息富有者和信息贫困者之间的鸿沟。最先由美国国家远程通信和信息管理局（NTIA）于1999年在名为《在网络中落伍：定义数字鸿沟》的报告中提出。 　　本文以我国沿海十个省、自治区、直辖市―天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西为研究对象对沿海十个省、直辖市的“数字鸿沟”进行测度。 　　因子分析的基本原理 　　因子分析的核心是用较少的互相独立的因子反映原有变量的绝大部分信息。因子分析包括R型因子分析―即对变量作因子分析，和Q型因子分析―即对样本作因子分析。本文对我国各地区“数字鸿沟”的测度采用的是R型因子分析。 　　R型因子分析的数学模型是： 　　设有P个变量X1，X2，X3，…Xp 　　X1=a11 F1+a22 F2+…+a1m FM+ε1 (i =1,2,…p) 　　式中X1为第i个标准化变量， F1，F2， FM称为变量X的公共因子。 　　aij称为因子载荷，它的统计意义是第i个变量与第j 个公因子的相关系数，因此第i个变量是Xi在第j个公共因子Fj上的负荷。(aij)p×m称为因子载荷矩阵。据高载荷的变量可帮助理解因子的意义，从而公共因子也据此命名。m为公共因子的数目，为了降维的目的要求m≤p。εi称为第个i变量的特殊因子，要求特殊因子之间相互独立，且它与公共因子F也是相互独立的。由于m≤p，故使用公共因子作线性组合对原始变量的丢失信息由特殊因子来补充。 　　因子分析过程需要以下步骤： 　　第一，因子提取。通过对原始变量之间相互关系的分析，从中提取数量较少的因子。提取方法是利用样本数据得到因子负荷矩阵，最常见的提取因子负荷矩阵的方法有主成分分析法、主轴因子法等，利用因子负荷矩阵求得变量相互矩阵的特征值，再根据特征值的大小确定因子数量。 　　第二，因子的旋转。由于运用因子提取方法得到的结果虽然保证了因子之间的正交性，但是因子对变量的解释能力却比较弱，不易解释和命名。因此就需要对因子模型进行旋转变换，使得公共因子的负荷系数更接近1或者更接近0，以使得公共因子对变量的命名和解释更加容易。 　　第三，计算因子得分。运用因子表示原始变量就需要知道因子和原始变量之间的线性关系。为此，需要计算因子得分，为进一步分析奠定基础。常用的计算因子得分的方法有回归法、巴特利特法和Anderson-Rubin法。 　　数据的收集及处理 　　本次测度的数据主要来源于《2010年中国统计年鉴》，并对所涉及的指标进行了处理，得出平均值。比如统计年鉴中给出了各省、市普通中学数，本文用各省、市的普通中学数除以各地区的总人数，最后得出了万人拥有普通中学数。本文主要选取代表影响“数字鸿沟”的主要因素的3个方面的指标，共计9个。其中包括5个信息资源指标，分别为互联网普及率（%）、百人拥有固定电话数量（部/百人）、移动电话普及率（%）、人均电信业务量（元/人）、人均收发函件数（件/人）。2个经济发展水平指标，分别是人均GDP（元/人）、在岗职工平均工资（元/年）。2个教育水平指标，分别是万人在校大学生数（人/万人）、万人拥有普通中学数（所/万人）。 　　测度过程 　　本次测度过程主要是应用spss16.0软件，使用因子分析的方法对我国沿海十个省市“数字鸿沟”进行测度，首先分析原有变量的相关系数矩阵（略）并且对原始数据进行KMO Bartlett检验，并得到R的特征值、贡献率和累积贡献率；根据85%的累积贡献率确定公共因子的个数，并解释共同度。再次，实行方差最大正交旋转后的正交因子载荷阵，并对各因子进行分析命名。最后根据因子得分系数矩阵，求出各地区的因子得分。 　　（一）KMO Bartlett检验 　　根据表1中KMO Bartlett检验结果可知， KMO值为0.632，是介于0.5~1.0